基于配准算法的图像拼接与融合技术研究

论文总字数：13052字

摘 要

图像拼接技术是图像处理领域里的一个重要分支，它在计算机视觉、全景图构造、医学图像处理应用等领域都有着广泛的应用。拼接效果的好坏主要依赖于图像的配准精度。本文主要研究基于特征点的图像配准拼接与融合技术，该技术一般包括特征点检测、图像配准和图像融合三个部分。本文首先通过Harris算法提取图像中的角点，构造灰度差分不变量，然后用欧氏距离衡量图像之间的相似程度，再用半领域限制进行细配，最后用仿射变换删除错误的匹配点对，得到最终的匹配点对进行配准。

关键词：特征点配准，Harris算法，灰度差分不变量，图像融合

Abstract：Image splicing technology is an important branch in image processing field, it has a wide range of applications in the computer vision, panorama structure, medical image processing applications, and other fields . The effect of good and bad of stitching mainly depends on the registration precision of the image. This paper mainly studies about image registration which is based on the splicing of feature points and fusion technology, the technology generally includes feature point detection, image registration and image fusion these three parts. Angle in this paper through the Harris algorithm to extract image point, construct gray difference invariant, then using Euclidean distance to measure similarities between images, and match intensively with half field limits , finally delete the wrong matching points with affine transformation, get the final match point to registration.

Keywords：image registration based on feature point, Harris, Gray-value Differential Invariants, Image Blending

目 录

1 绪论 3

1.1 研究背景 3

1.2 国内外现状 4

1.3 本文的工作和结构 5

2 角点检测 5

2.1 角点检测的定义 5

2.2 角点检测算法 6

3配准与拼接 7

3.1 配准算法 7

3.2 配准算法的原理 8

3.2.1 灰度差分不变量 8

3.2.2 特征点的匹配算法 9

3.3 配准算法的实现 10

4 图像融合 12

4.1 图像融合的定义 12

4.2 图像融合的方法 13

5 总结和展望 15

参考文献 16

致谢 17

1 绪论

1.1 研究背景

在日常生活中，人们一般都用普通的相机去拍摄图片。虽然一般型号相机有易于使用且快捷的特点，但是很难拍到宽视角，高分辨率的图像，是因为一般型号相机的视野范围与分辨率有较高的局限性。如果使用普通相机拍摄的远程对象本身尺寸大，需要拍摄一组连续的图片或调整焦距才可以达到，所以容易导致图像信息不完全，或得到一个不清晰的图片。有几种能够获得较大场景的清晰图像的扫描式相机已经上市了，但价格昂贵，也没有使用普通相机一样简单，方便，在环境较差的地区使用不方便，甚至会产生严重的失真。如果想要使较大范围场景的图像清晰度高点并且不会因为分辨率太低而失真，那么我们可以将场景分为几部分拍摄只要存在共有部分，接着将这组图像用合适的拼接算法拼接成一副全景图，这才是最佳的方法。它不仅要求失真尽可能地减少，并在该过渡区域尽量不用缝合线^[1]。

由于图像拼接技术要求图像重合比率占总图像的30%到50%，因此我们在拍摄的过程中要注意控制两幅图像的边界重叠，这样才能够方便图像拼接时信息提取的要求^[2]。

1.2 国内外现状

图像拼接技术的主要核心技术一个是图像的配准，另外一个则是图像的融合。图像拼接的核心部分是配准，即寻找几幅重叠图像对齐之后的活动情况，这将会直接对图像拼接的成功率和运行速率产生影响。融合是用来解决相邻图像之间出现的颜色或强度不连续性等问题，将经过配准后的图像拼接成一幅无缝图像。其实图像拼接方法的技术已经很成熟了，中国本土和国外都已经对此有了很深入的研究，目前的重点与难点就在于如何去提高精准率、加快处理速度和推广应用范围^[3]。

1996年，微软研究院的李察提出一种2D空间八参数投影变换模型，利用L-M算法计算图像间的几何变换参数。通过使用了平移、旋转等一些基本的转变后的图像都能够很自然的拼接起来，并且收敛的效率还较高，逐渐成为了公认的算法来被广泛采用。随后在2000年的时候，国外科学家Shmuel Peleg等通过利用相机自适应的特性加以改进，把得到的图像进行分割，然后再利用多重投影的方法，将图像进行了最后的整合。这就是自适应图像拼接模型的原理。自适应图像拼接模型的提出在一定程度上加快了图像拼接技术发展的脚步，也应次图像拼接领域的焦点发生了相应的转移。

1987年，德卡斯特罗和莫兰迪提出扩展相位相关法，对于有平移和旋转变换的图像，利用傅里叶变换的特性来完成图像的配准。由于快速傅里叶变换算法被提出和该变换不断的在信号领域的运用实践后，Reddy与Chatterji猜想是否可以根据该变换，将经过了平移甚至旋转等一系列的变换后的图像通过极坐标变换与互功率谱都实现精确的配准^[4]。

图像拼接技术在医学领域、远程图像处理、数字信号的管理控制等范畴有着普遍的应用。在医学领域，图像拼接技术能够提高病理学检查的准确性。例如远程会诊不仅为远程终端展现了医院的现场，甚至可以呈现出病理切片的高清图。遥感图像的拼接也应用广泛，据统计，需要用到遥感技术的领域有将近三十个，比如天气预报也是通过多个卫星云图的图像拼接完成的。现在所提及的智能交通其原理也是一样，通过将某个城市各个地段的图像加以拼接来得到一个完整的交通图，这样我们既可以很快捷的指挥交通，使上班高峰期以及特殊天气时候交通畅通无阻，其核心技术必须依赖于图像拼接^[7]。

配准算法在近几十年间得到了很大的改进和发展，然而由于诸多问题，尤其是拍摄的状况多样化，至今尚未出现可以适用于所有图像或者广泛推广的算法。现有的方法各有优缺点，若能综合利用这些方法的优点则会取得更好的结果。

剩余内容已隐藏，请支付后下载全文，论文总字数：13052字